論文の概要: Ergodicity breaking for data classification in a dissipative Ising model with competing two- and four-body interactions
- arxiv url: http://arxiv.org/abs/2611.17036v1
- Date: Thu, 12 Nov 2026 16:22:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.549261
- Title: Ergodicity breaking for data classification in a dissipative Ising model with competing two- and four-body interactions
- Title(参考訳): 競合する2体と4体相互作用を持つ散逸性イジングモデルにおけるデータ分類のエルゴディディティの破れ
- Abstract要約: 我々は、データ処理と相互作用する多体システムのダイナミクスの密接な関係について検討する。
例えば、量子ニューラルネットワークのある種のクラスは、散逸的量子イジングモデルにマッピングできる。
定常状態多様体は多クラス分類が可能なように設計されていることを示す。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: We explore the close relationship between the processing of data and the dynamics of interacting many-body systems. For example, certain classes of quantum neural networks can be mapped onto dissipative quantum Ising models whose evolution is described by a Lindblad master equation. In these architectures, emergent nonlinearities lead to non-ergodic dynamics under which initial states located in different basins of attraction evolve towards distinguishable stationary states. This mechanism underlies the classification of quantum data. Motivated by this connection, we consider an Ising model with competing two- and four-body interactions. Using a combination of mean-field calculations and exact small-scale numerics, we show that the stationary state manifold can be designed to enable multi-class classification. We also investigate the structure of the ensuing basins of attraction, thereby showing that these systems allow for the classification of quantum states with nonlinear decision boundaries.
- Abstract(参考訳): 我々は、データ処理と相互作用する多体システムのダイナミクスの密接な関係について検討する。
例えば、量子ニューラルネットワークのある種のクラスは、リンドブラッドマスター方程式によって説明される散逸的量子イジングモデルにマッピングすることができる。
これらのアーキテクチャでは、創発的な非線形性は、異なるアトラクションの流域にある初期状態が区別可能な定常状態へと進化する非エルゴード力学をもたらす。
このメカニズムは量子データの分類の基礎となる。
この接続により、我々は競合する2体と4体の相互作用を持つイジングモデルを考える。
平均場計算と精度の低い数値の組み合わせを用いて、定常状態多様体は多クラス分類を可能にするように設計されていることを示す。
また,次に続くアトラクションの流域構造についても検討し,非線形決定境界を持つ量子状態の分類を可能にすることを示す。
関連論文リスト
- Learning Hidden Structures in Open Quantum Dynamics [78.4675086615913]
本研究では,制限された実験アクセス下でのオープン量子力学の隠れ構造的特徴を識別するための機械学習手法を提案する。
我々のフレームワークは、有効マルコフ進化の根底にある不変代数構造の推定を目標としている。
このアプローチの実現性は、複数の合成モデルと導波路量子電磁力学系で説明される。
論文 参考訳(メタデータ) (2026-04-01T10:20:38Z) - Training the classification capability of large-scale quantum cellular automata [0.0]
相転移エルゴディディティの近傍では、異なる初期多体構成が、順序パラメータによってマクロ的に区別可能ないくつかの固定点の1つへと進化する。
超高次元状態空間においても,この能力はトレーニングデータから効率的に学習できることが実証された。
論文 参考訳(メタデータ) (2025-09-22T18:00:06Z) - Evolution of multi-qubit correlations driven by mutual interactions [49.1574468325115]
我々は$frac12$-spinsからなる量子系の相関テンソル要素の進化を分析する。
強い外部場が特定の相関特性に対して安定化因子を果たすことを示す。
論文 参考訳(メタデータ) (2025-07-01T11:45:08Z) - Non-linear classification capability of quantum neural networks due to emergent quantum metastability [0.0]
量子ニューラルネットワークで有効な非線形性を実現することができることを示す。
分散多体量子スピンモデルにインスパイアされたアーキテクチャを持つ量子ニューラルネットワークを用いることで、このメカニズムが実際に非線形データ分類を実現することができることを示す。
論文 参考訳(メタデータ) (2024-08-20T12:01:07Z) - Enhanced Entanglement in the Measurement-Altered Quantum Ising Chain [43.80709028066351]
局所的な量子測定は単に自由度を乱すのではなく、システム内の絡みを強める可能性がある。
本稿では,局所測定の有限密度が与えられた状態の絡み合い構造をどのように修正するかを考察する。
論文 参考訳(メタデータ) (2023-10-04T09:51:00Z) - Evaluating quantum generative models via imbalanced data classification
benchmarks [0.0]
我々は、20種類の実世界のデータセットから適応したハイブリッド量子古典ニューラルネットワークから生成された合成データを解析する。
このアプローチを利用して問題の品質を解明し、量子古典的ハイブリッド生成モデルに適合する可能性が、多かれ少なかれ低い。
論文 参考訳(メタデータ) (2023-08-21T16:46:36Z) - Capturing dynamical correlations using implicit neural representations [85.66456606776552]
実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。
そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
論文 参考訳(メタデータ) (2023-04-08T07:55:36Z) - Deep learning of spatial densities in inhomogeneous correlated quantum
systems [0.0]
ランダムポテンシャルに基づいてトレーニングされた畳み込みニューラルネットワークを用いて,密度の予測が可能であることを示す。
我々は,不均一な状況下での干渉と相互作用の相互作用と相転移を伴うモデルの挙動をうまく扱えることを示す。
論文 参考訳(メタデータ) (2022-11-16T17:10:07Z) - Imaginary components of out-of-time correlators and information
scrambling for navigating the learning landscape of a quantum machine
learning model [0.0]
我々は、時間外相関器の未探索の虚構成分が、グラフニューラルネットワークの情報スクランブル能力に関する前例のない洞察を与えることができることを分析的に説明する。
このような分析は、量子情報がそのようなネットワークを介してどのようにスクランブルされるかを明らかにすることによって、量子機械学習モデルのトレーニングをデミステレーションする。
論文 参考訳(メタデータ) (2022-08-29T06:17:28Z) - Decimation technique for open quantum systems: a case study with
driven-dissipative bosonic chains [62.997667081978825]
量子系の外部自由度への不可避結合は、散逸(非単体)ダイナミクスをもたらす。
本稿では,グリーン関数の(散逸的な)格子計算に基づいて,これらのシステムに対処する手法を提案する。
本手法のパワーを,複雑性を増大させる駆動散逸型ボゾン鎖のいくつかの例で説明する。
論文 参考訳(メタデータ) (2022-02-15T19:00:09Z) - Exact solutions of interacting dissipative systems via weak symmetries [77.34726150561087]
我々は任意の強い相互作用や非線形性を持つクラスマルコフ散逸系(英語版)のリウヴィリアンを解析的に対角化する。
これにより、フルダイナミックスと散逸スペクトルの正確な記述が可能になる。
我々の手法は他の様々なシステムに適用でき、複雑な駆動散逸量子系の研究のための強力な新しいツールを提供することができる。
論文 参考訳(メタデータ) (2021-09-27T17:45:42Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。